基于参数方程的小波基自适应选择

研究了小波基的参数表达问题,得到包含不同参数的小波基的两个参数方程,提出通过对参数方程中参数的搜索来实现信号的自适应小波基分解。从不同应用角度定义了评价小波基分解效果的两个适应度函数,针对适应度与参数的非线性关系,提出了一种改进的遗传算法对小波基参数方程中的参数进行搜索,同时利用适应度函数对搜索到的小波的分析效果进行评价,当适应度达到最大值时就可得到最佳小波基。利用这一算法实现了一个铣削力信号的自适应小波基分解,并与Daubechies小波的分解结果进行了对比,结果表明自适应小波基能够更充分地分离出信号中的有用信息。

无显式表达小波基的自适应选择

研究了无显式表达小波基的自适应选择问题。从不同应用角度定义了评价小波基分解效果的两种适应度函数 ;所给出的适应度函数曲面实例充分说明了对小波进行自适应选择的必要性。利用这两种适应度函数 ,提出了一种改进的遗传算法 ,对小波参数方程中的参数进行搜索 ,并利用适应度函数对搜索结果进行评价 ,实现了信号的自适应小波基分解 ,在此基础上给出了自适应小波基分解的实例 ,并与 Daubechies小波的分解结果进行对比 。

应用自适应混合遗传算法求解病态线性方程组

简单遗传算法(SGA)在进化的后期由于种群个体的多样性急剧降低,可能会收敛于局部最优解,即出现"早熟"现象。针对简单遗传算法的早熟问题,从选择、交叉和变异三个遗传算子入手,设计了自适应遗传算子。同时为了克服SGA局部搜索能力差的缺点,结合共轭梯度法,实现了一种自适应混合遗传算法(Adaptive GA-conjugate gradient,即AGA-CG)。以核磁共振测井曲线线性化后的大型病态方程组为测试实例,对AGA-CG算法进行了验证。实验结果表明:AGA-CG算法是求解大型病态线性方程组的一种有效算法。